Please wait a minute...
 首页  期刊介绍 期刊订阅 联系我们 横山亮次奖 百年刊庆
 
最新录用  |  预出版  |  当期目录  |  过刊浏览  |  阅读排行  |  下载排行  |  引用排行  |  横山亮次奖  |  百年刊庆
清华大学学报(自然科学版)  2015, Vol. 55 Issue (11): 1163-1170    DOI: 10.16511/j.cnki.qhdxxb.2015.21.007
  自动化 本期目录 | 过刊浏览 | 高级检索 |
基于兴趣变化的微博用户转发行为建模
周沧琦1,2, 赵千川1,2, 卢文博1,2
1. 清华大学自动化系, 智能与网络化系统研究中心, 北京 100084;
2. 清华大学清华信息科学与技术国家实验室(筹), 北京 100084
Modeling of the forwarding behavior in microblogging with adaptive interest
ZHOU Cangqi1,2, ZHAO Qianchuan1,2, LU Wenbo1,2
1. Center for Intelligent and Networked Systems, Department of Automation, Tsinghua University, Beijing 100084, China;
2. Tsinghua National Laboratory for Information Science and Technology, Tsinghua University, Beijing 100084, China
全文: PDF(1250 KB)  
输出: BibTeX | EndNote (RIS)      
摘要 社交媒体的出现推动了对用户在线行为规律的研究。该文探讨微博中用户的转发行为规律。对这一问题的回答能够帮助人们更好地理解影响用户行为的因素,并且对用户转发行为的准确描述有利于对信息传播施加干预和控制。该文参考一个兴趣驱动的人类行为动力学模型,在分析其用户行为时长的基础上,针对差异化的用户行为时长和昼夜作息因素,提出了一个改进模型用以描述微博用户的转发行为。实际数据中用户相邻转发行为时间间隔呈现重尾分布,仿真结果与之相符,证明了该模型的有效性和灵活性。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
周沧琦
赵千川
卢文博
关键词 微博转发行为建模    
Abstract:The emergence of social media has given rise to research on how online users behave. This paper describes how users forward messages in microblogging services. The results shed light on the factors affecting user decisions. A precise description of user forwarding behavior can also support the intervention and control of information spreading. The lengths of activity periods in existing human dynamic models with adaptive interest were used to develop a modified model to describe user forwarding dynamics in microblogging services. This model takes into account both the differences in the durations of the activity cycles and the effect of circadian rhythms. The distribution of the time intervals between successive forwarding activities is heavy-tailed in the real data. The simulation results are consistent with the distribution in the real data which demonstrates the effectiveness and flexibility of this model.
Key wordsmicroblogging    forwarding behavior    modeling
收稿日期: 2015-07-06      出版日期: 2015-12-01
ZTFLH:  TP393.1  
通讯作者: 赵千川,教授,E-mail:zhaoqc@tsinghua.edu.cn     E-mail: zhaoqc@tsinghua.edu.cn
引用本文:   
周沧琦, 赵千川, 卢文博. 基于兴趣变化的微博用户转发行为建模[J]. 清华大学学报(自然科学版), 2015, 55(11): 1163-1170.
ZHOU Cangqi, ZHAO Qianchuan, LU Wenbo. Modeling of the forwarding behavior in microblogging with adaptive interest. Journal of Tsinghua University(Science and Technology), 2015, 55(11): 1163-1170.
链接本文:  
http://jst.tsinghuajournals.com/CN/10.16511/j.cnki.qhdxxb.2015.21.007  或          http://jst.tsinghuajournals.com/CN/Y2015/V55/I11/1163
  图1 用户总体转发行为相邻时间间隔分布
  图2 用户个体转发行为相邻时间间隔分布
  图3 文[15]模型中事件发生概率的一个仿真示例
  图4 式(1)的详细解释
  图5 改进模型中事件发生概率的一个仿真示例
  图6 α固定,xmin取不同值时τ的仿真结果
  图7 xmin固定,α取不同值时τ 的仿真结果
  图8 文[15]模型与改进模型仿真结果比较
  表1 不同参数的改进模型的
  图9 定量分析后的文[15]模型与改进模型仿真效果比较
[1] Fu F, Liu L, Wang L. Empirical analysis of online social networks in the age of Web 2.0[J]. Physica A:Statistical Mechanics and its Applications, 2008, 387(2-3):675-684.
[2] Barabási A L. The origin of bursts and heavy tails in human dynamics[J]. Nature, 2005, 435(7039):207-211.
[3] 张晶, 黄京华, 黎波, 等. 新浪企业微博口碑传播的实证研究[J]. 清华大学学报(自然科学版), 2014, 54(5):649-654. ZHANG Jing, HUANG Jinghua, LI Bo, et al. Empirical research on enterprise micro-blogs' word-of-mouth of Sina Weibo[J]. J Tsinghua Univ(Sci and Tech), 2014, 54(5):649-654.(in Chinese)
[4] 李栋, 徐志明, 李生, 等. 在线社会网络中信息扩散[J]. 计算机学报, 2014, 37(1):189-206.LI Dong, XU Zhiming, LI Sheng, et al. A survey on information difusion in online social networks[J]. Chinese Journal of Computers, 2014, 37(1):189-206.(in Chinese)
[5] Kempe D, Kleinberg J, Tardos É. Maximizing the spread of influence through a social network[C]//Proceedings of the 9th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. Washington DC, USA:ACM Press, 2003:137-146.
[6] 曹玖新, 吴江林, 石伟, 等. 新浪微博网信息传播分析与预测. 计算机学报, 2014, 37(4):779-790.CAO Jiuxin, WU Jianglin, SHI Wei, et al. Sina microblog information difusion analysis and prediction[J]. Chinese Journal of Computers, 2014, 37(4):779-790.(in Chinese)
[7] Peng H K, Zhu J, Piao D, et al. Retweet modeling using conditional random fields[C]//2011 IEEE 11th International Conference on Data Mining Workshops. Vancouver, Canada:IEEE Press, 2011:336-343.
[8] Gao S, Ma J, Chen Z. Modeling and predicting retweeting dynamics on Microblogging platforms[C]//Proceedings of the 8th ACM International Conference on Web Search and Data Mining. Oxford, UK:ACM Press, 2015:107-116.
[9] Jiang Z, Zhang Y, Wang H, et al. Understanding human dynamics in microblog posting activities[J]. Journal of Statistical Mechanics:Theory and Experiment, 2013, 2013(02):P02006.
[10] Wang C, Guan X, Qin T, et al. Modeling the heterogeneity of human dynamics based on the measurements of influential users in Sina Microblog[J]. Physica A:Statistical Mechanics and its Applications, 2015, 428:239-249.
[11] Zhou T, Zhao Z D, Yang Z, et al. Relative clock verifies endogenous bursts of human dynamics[J]. Europhysics Letters, 2012, 97(1), 18006.
[12] Yan Q, Yi L, Wu L. Human dynamic model co-driven by interest and social identity in the microblog community[J]. Physica A:Statistical Mechanics and Its Applications, 2012, 391(4):1540-1545.
[13] 廉捷, 周欣, 曹伟, 等. 新浪微博数据挖掘方案[J]. 清华大学学报(自然科学版), 2011, 51(10):1300-1305.LIAN Jie, ZHOU Xin, CAO Wei, et al. Sina microblog data retrieval[J]. J Tsinghua Univ(Sci and Tech), 2011, 51(10):1300-1305.(in Chinese)
[14] Crane R, Sornette D. Robust dynamic classes revealed by measuring the response function of a social system[J]. Proceedings of the National Academy of Sciences, 2008, 105(41):15649-15653.
[15] Han X P, Zhou T, Wang B H. Modeling human dynamics with adaptive interest[J]. New Journal of Physics, 2008, 10(7), 073010.
[16] Wang P, Lei T, Yeung C H, et al. Heterogenous human dynamics in intra-and inter-day time scales[J]. Europhysics Letters, 2011, 94(1), 18005.
[17] Zhou T, Han X P, Wang B H. Towards the understanding of human dynamics[J]. Science Matters:Humanities as Complex Systems, 2008:207-233.
[1] 张婧, 黄德根, 黄锴宇, 刘壮, 孟祥主. 基于λ-主动学习方法的中文微博分词[J]. 清华大学学报(自然科学版), 2018, 58(3): 260-265.
[2] 许小颖, 赖玮, 李雅, 丁星光, 陶建华. 汉语无标记疑问句的语调分析与建模[J]. 清华大学学报(自然科学版), 2018, 58(2): 175-180.
[3] 张仰森, 郑佳, 黄改娟, 蒋玉茹. 基于双重注意力模型的微博情感分析方法[J]. 清华大学学报(自然科学版), 2018, 58(2): 122-130.
[4] 姚云, 吴西愉, 孔江平. 矢量半径驱动的汉语普通话立体声道模型[J]. 清华大学学报(自然科学版), 2017, 57(9): 945-951.
[5] 张婉鑫, 朱纪洪. 大迎角非定常气动参数辨识研究[J]. 清华大学学报(自然科学版), 2017, 57(7): 673-679.
[6] 李春文, 邢智鹏, 陆思聪. 面向人员定位应用的煤矿巷道网络全局化建模[J]. 清华大学学报(自然科学版), 2017, 57(3): 312-317.
[7] 赵彤, 谢溢, 胡建. 基于机电建模的加工中心轴间耦合问题[J]. 清华大学学报(自然科学版), 2017, 57(2): 113-119.
[8] 张兆坤, 邵珠峰, 王立平, 赵钦志, 张云峰. 数字化车间信息模型及其建模与标准化[J]. 清华大学学报(自然科学版), 2017, 57(2): 128-133,140.
[9] 李颖杰, 李环宇, 吴林峰, 李春文. 微型涡喷发动机推进系统的试验建模[J]. 清华大学学报(自然科学版), 2017, 57(1): 107-112.
[10] 邓辉, 刘晖, 张宝峰, 毛军捷, 郭颖, 熊琦, 谢仕华. 面向复杂网络的威胁度量及聚合方法[J]. 清华大学学报(自然科学版), 2016, 56(5): 511-516.
[11] 王婷艳, 于明, 杨兰, 宁温馨, 孔德华. 卫生干预分类的编码结构分析与信息建模[J]. 清华大学学报(自然科学版), 2016, 56(5): 544-552.
[12] 曾锦乐, 都东, 常保华, 洪宇翔, 常树鹤, 潘际銮. 复杂空间轨迹焊接过程运动规划方法[J]. 清华大学学报(自然科学版), 2016, 56(10): 1031-1036.
[13] 倪顺江, 翁文国, 张辉. 大规模传染病传播围堵策略的模拟研究[J]. 清华大学学报(自然科学版), 2016, 56(1): 97-101.
[14] 陈文超, 强茂山, 夏冰清, 郑腾飞. 水库移民营生资本与可持续发展模型[J]. 清华大学学报(自然科学版), 2015, 55(9): 945-949.
[15] 邓青, 马晔风, 刘艺, 张辉. 基于BP神经网络的微博转发量的预测[J]. 清华大学学报(自然科学版), 2015, 55(12): 1342-1347.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 《清华大学学报(自然科学版)》编辑部
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn